CN110414063A - 模型修复方法及相关产品 - Google Patents
模型修复方法及相关产品 Download PDFInfo
- Publication number
- CN110414063A CN110414063A CN201910581174.4A CN201910581174A CN110414063A CN 110414063 A CN110414063 A CN 110414063A CN 201910581174 A CN201910581174 A CN 201910581174A CN 110414063 A CN110414063 A CN 110414063A
- Authority
- CN
- China
- Prior art keywords
- attribute information
- geometric parameter
- information
- target
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 230000002159 abnormal effect Effects 0.000 claims abstract description 76
- 230000008439 repair process Effects 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 5
- 235000008434 ginseng Nutrition 0.000 claims description 5
- 230000009194 climbing Effects 0.000 abstract description 2
- 230000001815 facial effect Effects 0.000 description 17
- 239000003795 chemical substances by application Substances 0.000 description 13
- 230000006854 communication Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种模型修复方法及相关产品，其中，所述方法包括：获取初始建筑信息模型BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息；采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM。因此，能够提模型修复时的效率。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种模型修复方法及相关产品。
背景技术
随着科学技术的不断发展，生活的方方面面都得到了快速的发展。在进行建筑构建的时候，已经采用了建筑信息模型(Building Information Modeling，BIM)来进行建筑部门之间的协调等事务。但是在进行BIM建立时，由于一些技术原因，可能会导致BIM中的属性信息出现异常的情况，现有方案中对异常进行修复时，通常采用人工的方式对异常属性进行修复，导致了在异常修复时的效率较低。
发明内容
本申请实施例提供一种模型修复方法及相关产品，能够提模型修复时的效率。
本申请实施例的第一方面提供了一种模型修复方法，所述方法包括：
获取初始建筑信息模型BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息；
采用预设的异常属性修复方法，对所述至少一个参考属性信息进行修复，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM。
可选的，所述参考属性信息包括业务属性信息，所述采用预设的异常属性修复方法，对所述至少一个参考属性信息进行修复，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息，包括：
提取与所述至少一个业务属性信息对应的预设业务属性信息；
将所述至少一个业务属性信息替换为对应的预设业务属性信息，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
可选的，所述参考属性信息包括参考几何参数，所述目标属性信息包括目标几何参数，所述采用预设的异常属性修复方法，对所述至少一个参考属性信息进行修复，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息，包括：
提取与所述参考几何属性信息对应的参考几何参数；
对所述几何参数进行归类，得到至少一个几何参数类别；
获取与所述至少一个几何参数类别相对应的几何参数修正值；
采用所述几何参数修正值对所述至少一个几何参数类别中的参考几何参数进行修正，得到与所述参考几何参数对应的目标几何参数。
可选的，所述获取与所述至少一个几何参数类别相对应的几何参数修正值，包括：
确定与所述至少一个几何参数类别相对应的目标类别标识；
根据所述目标类别标识在数据库中查询，得到与所述至少一个几何参数类别相对应的预设参数范围；
提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，所述第一端点值小于所述第二端点值，所述目标几何参数类别为所述至少一个几何参数类别中的任一个；
根据所述第一端点值和所述第二端点值确定出目标数值，所述目标数值为所述第一端点值和所述第二端点值的平均值；
根据所述目标数值确定出所述目标几何参数类别中的几何参数的偏离度；
根据所述偏离度确定出与所述目标几何参数类别对应的几何参数修正值。
可选的，所述获取初始BIM的至少一个参考属性信息，包括：
获取所述初始BIM的多个初始属性信息，以及所述初始BIM对应的区域信息和位置信息；
根据所述区域信息和所述位置信息，确定与所述多个初始属性信息中的每个初始属性信息对应的异常概率值；
获取至少一个目标初始属性信息，所述目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从所述至少一个目标初始属性信息中确定出至少一个参考属性信息。
本申请实施例的第二方面提供了一种模型修复装置，所述装置包括获取单元、确定单元和修复单元，其中，
所述获取单元，用于获取初始建筑信息模型BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息；
所述确定单元，用于采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
所述修复单元，用于基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM。
可选的，所述参考属性信息包括业务属性信息，在所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，所述确定单元用于：
提取与所述至少一个业务属性信息对应的预设业务属性信息；
将所述至少一个业务属性信息替换为对应的预设业务属性信息，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
可选的，所述参考属性信息包括参考几何参数，所述目标属性信息包括目标几何参数，在所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，所述确定单元用于：
提取与所述参考几何属性信息对应的参考几何参数；
对所述几何参数进行归类，得到至少一个几何参数类别；
获取与所述至少一个几何参数类别相对应的几何参数修正值；
采用所述几何参数修正值对所述至少一个几何参数类别中的参考几何参数进行修正，得到与所述参考几何参数对应的目标几何参数。
可选的，在所述获取与所述至少一个几何参数类别相对应的几何参数修正值方面，所述确定单元用于：
确定与所述至少一个几何参数类别相对应的目标类别标识；
根据所述目标类别标识在数据库中查询，得到与所述至少一个几何参数类别相对应的预设参数范围；
提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，所述第一端点值小于所述第二端点值，所述目标几何参数类别为所述至少一个几何参数类别中的任一个；
根据所述第一端点值和所述第二端点值确定出目标数值，所述目标数值为所述第一端点值和所述第二端点值的平均值；
根据所述目标数值确定出所述目标几何参数类别中的几何参数的偏离度；
根据所述偏离度确定出与所述目标几何参数类别对应的几何参数修正值。
可选的，在所述获取初始BIM的至少一个参考属性信息方面，所述获取单元用于：
获取所述初始BIM的多个初始属性信息，以及所述初始BIM对应的区域信息和位置信息；
根据所述区域信息和所述位置信息，确定与所述多个初始属性信息中的每个初始属性信息对应的异常概率值；
获取至少一个目标初始属性信息，所述目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从所述至少一个目标初始属性信息中确定出至少一个参考属性信息。
本申请实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。
本申请实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，至少具有如下有益效果：
通过获取初始BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息，采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息，基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM，因此，相对于现有方案中，采用人工的方式对模型进行修复，能够对异常属性信息确定出目标属性信息，并根据目标属性信息对模型进行修复，从而能够一定程度上提升模型修复时的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供了一种模型修复方法的流程示意图；
图2为本申请实施例提供了另一种模型修复方法的流程示意图；
图3为本申请实施例提供了另一种模型修复方法的流程示意图；
图4为本申请实施例提供的一种终端的结构示意图；
图5为本申请实施例提供了一种模型修复装置的结构示意图。
具体实施方式
本申请实施例是为了解决现有的方案中对BIM进行修复时，通常采用人工的方式进行修复，导致修复时的效率较低的情况，而提供的一种模型修复方法，本模型修复方法，能够对BIM的异常属性信息，进行自动修复，得到修复后的BIM，能够提升BIM修复时的效率。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
请参阅图1，图1为本申请实施例提供了一种模型修复方法的流程示意图。如图1所示，模型修复方法包括步骤101-103，具体如下：
101、获取初始建筑信息模型BIM的至少一个参考属性信息，参考属性信息为异常属性信息。
其中，BIM的属性信息可以包括几何属性和业务属性，几何属性可以理解为建筑部件之间的集合关系，例如位置关系等，业务属性可以理解为建筑部件的材质、采购、制作工艺等，几何属性可以包括参考几何参数、目标几何参数。
可选的，判断属性信息是否为异常属性信息的方法可以为，将属性信息与预设的属性信息进行比对，若不同或者与预设属性信息之间的偏移量大于预设偏移量区间，则将该属性信息确定为异常属性信息，预设偏移量区间为通过经验值或历史数据设定。例如，属性为建筑部件的体积，该体积为5立方厘米，预设的该建筑部件的体积为8立方厘米，预设偏移量区间为[0,1]，该建筑部件的体积的偏移量为3，则确定出该建筑部件的体积为异常属性，则将5立方厘米作为该异常属性的异常属性信息。又例如，建筑部件的制作工艺，制作工艺包括制作顺序，若该建筑部件的制作顺序与预设的制作顺序不同，则将该制作顺序确定为异常属性信息。
102、采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
其中，确定目标属性信息的方法可以为：参考属性信息为业务属性是，可以将预设的属性信息作为目标属性信息，参考属性信息为参考几何参数时，可以对参考几何参数进行归类处理，让后根据归类后的类别进行几何参数修正值确定，最后根据几何参数修正值来确定出目标属性信息。
103、基于目标属性信息对初始BIM进行修复，得到目标BIM。
其中，基于目标属性信息对初始BIM进行修复，得到目标MIM的方法可以为：采用将初始BIM模型中的参考属性信息替换为目标属性信息的方式进行修复。
在一个可能的实施例中，参考属性信息包括业务属性信息，一种可能的采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息的方法包括步骤A1-A2，具体如下：
A1、提取与至少一个业务属性信息对应的预设业务属性信息；
A2、将预设业务属性信息作为目标属性信息，以得到至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
其中，提取业务属性信息对应的预设业务属性信息的方法可以为：提取业务属性信息对应的业务信息的业务标识；根据该业务标识，从数据库中提取与该业务标识相对应的预设业务属性信息。业务标识为可以唯一标识业务信息的标识，其标识形式，不作具体限定。根据业务标识，从数据库中提取与该业务标识相对应的预设业务属性信息的方法可以为：根据预存的业务标识与预设业务属性信息之间的映射关系表，提取出该预设业务属性信息。预存的业务标识与预设业务属性信息之间的映射关系表为通过经验值或历史数据设定。
本示例中，可以直接从数据库中查询得到预设的业务属性信息，并将该预设的业务属性信息作为目标属性信息，因此，简化了业务属性信息的确认流程，能够快速的确定出目标属性信息，从而能够一定程度上提升目标属性信息获取时的效率。
在一个可能的实施例中，参考属性信息包括参考几何参数，目标属性信息包括目标几何参数，另一种可能的采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息的方法包括步骤B1-B4，具体如下：
B1、提取与参考几何属性信息对应的参考几何参数；
B2、对几何参数进行归类，得到至少一个几何参数类别；
B3、获取与至少一个几何参数类别相对应的几何参数修正值；
B4、采用几何参数修正值对至少一个几何参数类别中的参考几何参数进行修正，得到与参考几何参数对应的目标几何参数。
其中，几何属性信息可以为几何属性的描述信息，例如，位置关系的描述信息，参考几何参数可以为表征位置关系的几何参数。
可选的，一种可能的对几何参数进行归类得到至少一个几何参数类别的方法可以为：从参考几何参数中提取出参考几何参数的关键字，根据关键字进行归类，得到至少一个几何参数类别。其中，根据关键字进行归类的，得到至少一个几何参数类别的方法可以为：将属于同一关键字类型的关键字对应的几何参数归为同一个几何参数类别。同一关键字类型可以理解为在该关键字类型中的关键字，为近义词或同义词，例如升和立方米为同义词等。关键字例如可以是体积单位、距离单位、面积单位等。
可选的，另一种可能的确定几何参数类别的方法可以为：可以根据参考几何参数对应的建筑部件进行分类，将同一类型建筑的具有相同部件属性的建筑部件作为同一类别的建筑部件，从而将对应的参考几何参数作为相同的几何参数类别。
可选的，一种可能的获取与至少一个几何参数类别相对应的几何参数修正值的方法包括步骤B31-B36，具体如下：
B31、确定与至少一个几何参数类别相对应的目标类别标识；
B32、根据目标类别标识在数据库中查询，得到与至少一个几何参数类别相对应的预设参数范围；
B33、提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，第一端点值小于第二端点值，目标几何参数类别为至少一个几何参数类别中的任一个；
B34、根据第一端点值和第二端点值确定出目标数值，目标数值为第一端点值和第二端点值的平均值；
B35、根据目标数值确定出目标几何参数类别中的几何参数的偏离度；
B36、根据偏离度确定出与目标几何参数类别对应的几何参数修正值。
其中，几何参数类别与类别标识具有一一对应的关系，一个类别标识用于指示一个几何参数类别。第一端点值和第二端点值可以理解为是预设参数范围的左端点的值和右端点的值，此处的预设参数范围为一维参数范围，当然还可以是多维参数范围。
可选的，偏离度的确定方法可以为，几何参数与目标数值之间的差值的绝对值作为偏离度。
可选的，一种可能的根据偏离度确定目标几何参数类别对应的几何参数修正值，目标几何参数类别对应的几何参数修正值的个数可以为多个，即可以理解为，每一个参考几何参数可以对应一个几何参数修正值。几何参数修正值可以为偏离度的二分之一的数值。
可选的，一种可能的根据偏离度确定出目标几何参数类别对应的几何参数修正值的方法为：根据偏离度与目标几何参数类型中的参考几何参数之间比例值，确定出目几何参数修正值。根据比例值确定修正值的方法可以为：若比例值低于预设比例值，则将偏离度作为几何参数修正值，若比例值高于预设比例值，则将偏离度乘以1加上比例值的十分之一所对应的数值作为几何参数修正值。
可选的，另一种可能的根据偏离度确定出目标几何参数类别对应的几何参数修正值的方法为：通过几何参数修正值确定模型确定出几何参数修正值。几何参数修正值模型为神经网络模型，该神经网络模型可以通过如下方式训练得到，对神经网络模型进行训练时可以包括正向训练和反向训练，神经网络模型可以包括N层神经网络，在训练时，可以将样本数据输入到该N层神经网络的第一层，通过第一层进行正向运算后得到第一运算结果，然后将第一运算结果输入到第二层进行正向运算，得到第二结果，以此，直至第N-1结果输入到第N层进行正向运算，得到第N运算结果，在对第N运算结果执行反向训练，以此重复执行正向训练和反向训练，直至神经网络模型训练完成。样本数据为几何参数类别、几何参数修正值和偏离度。
本示例中，根据目标类别标识，查询得到预设参数范围，根据预设参数范围的第一端点值和第二端点值确定出目标数值，通过目标数值确定出几何参数的偏离度，根据偏离度确定出目标几何参数类别的几何参数修正值，因此，相对于现有方案中，采用人工的方式进行几何参数修正值的确定，能够一定程度上提升几何参数修正值确定时的效率和准确性。
在一个可能的实施例中，一种可能的获取初始BIM的至少一个参考属性信息方法包括步骤C1-C4，具体如下：
C1、获取初始BIM的多个初始属性信息，以及初始BIM对应的区域信息和位置信息；
C2、根据区域信息和位置信息，确定与多个初始属性信息中的每个初始属性信息对应的异常概率值；
C3、获取至少一个目标初始属性信息，目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
C4、采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从至少一个目标初始属性信息中确定出至少一个参考属性信息。
其中，初始属性信息可以包括几何属性信息和业务属性信息等。BIM对应的区域信息和位置信息可以理解为：BIM对应的建筑所在的区域信息和位置信息，区域信息可以理解为气候区域，例如，热带气候区域、亚热带气候区域等。位置信息可以理解为建筑的建筑位置。
可选的，一种可能的根据区域信息和位置信息，确定出每个初始属性信息对应的异常概率值的方法可以为：获取区域信息的区域信息标识和位置信息的位置信息标识，不同的区域信息、位置信息对应的标识不同，位置信息可以通过经度和纬度进行表示；根据该区域信息标识和位置信息标识，采用预设的异常概率值确定方法，确定出与初始属性信息对应的异常概率值。
可选的，一种可能的根据该区域信息标识和位置信息标识，采用预设的异常概率值确定方法，确定出与初始属性信息对应的异常概率值的方法可以为：根据区域信息标识和位置信息标识，确定出参考异常概率值；获取初始属性信息与参考异常概率值的关联度；根据该关联度和参考异常概率值，确定出初始属性信息的异常概率值。其中，区域信息标识和位置信息标识可以为数字标识，例如，0至100以内的整数数值，根据区域信息标识和位置信息标识，确定出参考异常概率值的方法可以为：将区域信息标识除以100、位置信息标识除以100，再相加，得到参考数值；将参考数值除以预设数值，得到参考异常概率值。区域信息标识和位置信息标识越大，则越容易产生异常。预设数值、区域信息与区域信息标识、位置信息与位置信息标识之间的映射关系通过经验值或历史数据设定。初始属性信息与参考异常概率值的关联度可以通过人工标定的方式确定，例如，初始属性信息为几何属性中的建筑稳定性，则其跟位置信息的关联度较大，初始属性信息为业务属性中的采购信息，则其与位置信息的关联度较小。可以将关联度乘以参考异常概率值得到的结果，作为初始属性信息的异常概率值。当然还可以通过其它方式确定异常概率值，此处仅为举例说明，不作具体限定。
可选的，另一种可能的根据区域信息和位置信息，确定出每个初始属性信息对应的异常概率值的方法可以为：根据区域信息确定出，BIM对应的建筑的环境平均温度值和一年内最大的温度差值，根据位置信息确定出BIM对应的建筑的地面的土质信息；根据环境平均温度、一年内最大的温度差值、土质信息，确定出每个初始属性信息对应的异常概率值。其中，根据环境平均温度、一年内最大的温度差值、土质信息，确定出每个初始属性信息对应的异常概率值的方法可以为：不同的属性信息在不同的土质、不同平均温度、不同的一年内最大的温度差值下的变化量不同，若变化量越大，则异常概率值越大，变化量越小，则异常概率值越小。例如，属性信息为建筑的表面瓷砖之间的间距，一年内最大温度差值越大，则瓷砖的伸缩量越大，若间距较小，容易出现瓷砖损坏的情况，异常概率值越大，平均温度越高，则伸缩量越大，异常概率值越大。
可选的，预设的异常属性确定方法可以参见步骤101中所示的异常属性确定方法，此处不再赘述。
本示例中，根据BIM对应的区域信息和位置信息，确定出每个初始属性信息的异常概率值，将异常概率值高于预设异常概率值的至少一个目标初始属性信息，采用预设的异常属性信息确定方法，从至少一个目标初始属性信息中确定出至少一个参考属性信息，因此，通过概率值判别出异常性较高的目标初始属性信息，再从目标初始属性信息中确定出参考属性信息，从而能够一定程度上提升参考属性信息获取时的效率。
可选的，在一个可能的实施例中，还可以模拟虚拟机器人，使得虚拟机器人在BIM中进行行走，通过虚拟机器人获取BIM内部的信息，虚拟机器人具有拍摄功能，可以拍摄出BIM内部的图像，并对可以对该图像进行提取，得到室内墙壁的挂饰图像，挂饰图像可以为人物画像，一种可能的获取该人物画像中的人脸图像的方法包括步骤D1-D6，具体如下：
D1、从多张图像中确定出目标图像，多张图像为包括目标用户的人脸的图像；
D2、对目标图像进行特征提取，得到特征数据；
D3、根据所述特征数据，确定出所述目标用户的参考人脸图像；
D4、若所述参考人脸图像为部分人脸图像，则确定出所述参考人脸图像的参考待修复区域；
D5、将参考待修复区域中与目标人脸区域关于预设对称轴对称的区域作为目标待修复区域，所述目标人脸区域为所述参考人脸图像中完整的人脸区域；
D6、基于所述目标待修复区域，对所述参考人脸图像进行修复，得到所述目标用户的人脸图像。
其中，特征数据可以为灰度值，对目标图像进行特征提取，得到特征数据的方法可以为：可以对目标图像中的每个像素点的灰度值进行提取，得到每个像素点的灰度值。
可选的，一种可能的从多张图像中确定出目标图像，多张图像为电子设备发送给服务器的包括目标用户的人脸的图像的方法可以为：根据图像的完整度，将完整度最高的图像作为目标图像。其中，完整度可以理解为图像包括人脸的大小，人脸部分的特征越多，则完整度越高，人脸部分特征越少，则完整度越低。
可选的，参考人脸图像为部分人脸图像可以理解为，在目标图像中的人脸图像为部分人脸图像，即，在拍摄时，仅拍摄到了部分人脸图像的情况。
可选的，参考人脸图像为部分人脸图像时，则将囊括人脸图像缺失的部分的矩形框区域，作为参考待修复区域。
可选的，预设对称轴可以为人脸图像的额头、鼻梁和下巴三点所在的直线。
可选的，基于目标待修复区域，对目标图像进行修复，得到目标用户的人脸图像的方法可以为：获取目标人脸区域中每个像素点的灰度值，将目标待修复区域中的像素点的灰度值设置为对应像素点的灰度值，对应像素点可以理解为在目标人脸区域中与该像素点关于预设对称轴对称的像素点。
可选的，在对目标待修复区域进行修复后，还可以对目标待修复区域与参考人脸图像的边界进行过度处理，对边界进行过度处理的方法可以为：获取边界线两边第一预设区域和第二预设区域中的像素点的灰度值，第一预设区域的边界包括目标边界线和第一预设边界线、第二预设区域的边界线为目标边界线和第二预设边界线，第一预设边界线和第二预设边界线上的点与目标边界线之间的距离相同，目标边界线为目标待修复区域与参考人脸图像的边界线；将第一像素点和第二像素点的灰度值均值，作为第一像素点和第二像素点的灰度值，第一像素点和第二像素点关于目标边界线对称，第一像素点为第一预设区域内的像素点，第二像素点为第二预设区域内的像素点。其中，由于目标边界线通常情况下为曲线，则确定与第一像素点对称的第二像素点的方法可以为：获取第一像素点在目标边界线上的垂线段，以及垂线段与目标边界线之间的交点，以该交点为终点，在目标边界线上截取长度无穷小的目标直线段，将该第一像素点关于该目标直线段对称的点，作为第二像素点。长度无穷小可以理解为长度趋于零，但不能等于零。
本示例中，通过对参考人脸图像进行修复，从而得到目标用户的人脸图像，因此，能够一定程度上提升目标用户的人脸图像获取时的准确性。
在一个可能的实施例中，还可以从服务器获取到初始BIM对应的区域信息和位置信息，在获取区域信息和位置信息之前，为保证执行本方法的电子设备服务器之间的通信安全，可以通过如下方法进行提升安全性：
在进行数据传输前，建立安全通信通道，通过安全通信通道进行数据传输，一种可能的建立安全通信通道的方法涉及电子设备、服务器和代理设备，代理设备为可信的第三方设备，具体包括如下步骤：
S1、初始化：初始化阶段主要完成电子设备、服务器在代理设备的注册，主题的订阅以及***参数的生成。电子设备、服务器向代理设备进行注册，只有通过注册的电子设备和服务器才能参与主题的发布与订阅，服务器向代理设备订阅相关主题。代理设备生成***公开参数(PK)及主密钥(MSK)，将PK发送给已注册的电子设备和服务器。
S2、加密、发布：加密、发布阶段主要是电子设备对要发布的主题对应的载荷进行加密，并发送给代理设备。首先电子设备采用对称加密算法加密载荷，生成密文(CT)，然后制定访问结构根据电子设备生成的PK和加密对称密钥，最后将加密后的密钥和加密的载荷发送给代理设备。代理设备在接收到电子设备发送的加密后的密钥与CT后，过滤并转发给该服务器。
可选的，访问结构是一种访问树结构。访问树的每一个非叶子节点是一个门限，用Kx表示，0<＝Kx<＝num(x)，num(x)表示其子节点数。当Kx＝num(x)时，非叶子节点代表与门；当Kx＝1时，非叶子节点代表或门；访问树的每一个叶子节点代表一种属性。属性集合满足一个访问树结构可以定义为：设T是以r为根节点的访问树，Tx是以x为根节点的T的子树。如果Tx(S)＝1，则说明属性集合S满足访问结构Tx。如果节点x是叶子节点，当且仅当叶子节点x关联的属性att(x)是属性集合S的元素时，Tx(S)＝1。若节点x是非叶子节点时，至少Kx个子节点z满足Tz(S)＝1时，Tx(S)＝1。
S3、私钥生成：私钥生成阶段主要是代理设备为服务器生成相应的密钥，用于解密其后收到的CT。服务器向代理设备提供属性集合Ai(属性可以是订阅端的特征，角色等信息)，代理设备根据PK、属性集合Ai以及主密钥MSK生成私钥SK，然后将生成的私钥发送到该服务器。
可选的，属性集合Ai为全局集合U＝{A1，A2，…，An}的一个子集。属性集合Ai表示服务器i(第i个服务器)的属性信息，可以是服务器的特征、角色等，为服务器的默认属性，全局集合U表示所有服务器属性信息的集合。
S4、解密：解密阶段主要是服务器对加密载荷进行解密提取文明的过程。服务器在接收到代理设备发送的加密后的密钥和CT后，根据PK以及SK解密加密后的密钥得到对称密钥。若其属性集合Ai满足密文的访问结构则能成功解密密文，以此保障了通信过程的安全性。
通过构建安全通信通道，能够一定程度上提升服务器与电子设备之间通信的安全性，减少非法用户对合法服务器与电子设备之间传输的数据进行窃取的可能性，同时也减少了非法用户通过入侵***、篡改***，使得***中的图纸遭到窃取的情况的发生。
请参阅图2，图2为本申请实施例提供了另一种模型修复方法的流程示意图。如图2所示，模型修复方法包括步骤201-211，具体如下：
201、获取初始建筑信息模型BIM的至少一个参考属性信息，参考属性信息为异常属性信息；
其中，参考属性信息包括参考几何参数，目标属性信息包括目标几何参数。
202、提取与参考几何属性信息对应的参考几何参数；
203、对几何参数进行归类，得到至少一个几何参数类别；
204、确定与至少一个几何参数类别相对应的目标类别标识；
205、根据目标类别标识在数据库中查询，得到与至少一个几何参数类别相对应的预设参数范围；
206、提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，第一端点值小于第二端点值，目标几何参数类别为至少一个几何参数类别中的任一个；
207、根据第一端点值和第二端点值确定出目标数值，目标数值为第一端点值和第二端点值的平均值；
208、根据目标数值确定出目标几何参数类别中的几何参数的偏离度；
209、根据偏离度确定出与目标几何参数类别对应的几何参数修正值；
210、采用几何参数修正值对至少一个几何参数类别中的参考几何参数进行修正，得到与参考几何参数对应的目标几何参数；
211、基于目标属性信息对初始BIM进行修复，得到目标BIM。
本示例中，根据目标类别标识，查询得到预设参数范围，根据预设参数范围的第一端点值和第二端点值确定出目标数值，通过目标数值确定出几何参数的偏离度，根据偏离度确定出目标几何参数类别的几何参数修正值，因此，相对于现有方案中，采用人工的方式进行几何参数修正值的确定，能够一定程度上提升几何参数修正值确定时的效率和准确性。
请参阅图3，图3为本申请实施例提供了另一种模型修复方法的流程示意图。如图3所示，模型修复方法包括步骤301-311，具体如下：
301、获取初始BIM的多个初始属性信息，以及初始BIM对应的区域信息和位置信息；
302、根据区域信息和位置信息，确定与多个初始属性信息中的每个初始属性信息对应的异常概率值；
303、获取至少一个目标初始属性信息，目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
304、采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从至少一个目标初始属性信息中确定出至少一个参考属性信息；
其中，参考属性信息为异常属性信息。
305、采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
306、基于目标属性信息对初始BIM进行修复，得到目标BIM。
本示例中，根据BIM对应的区域信息和位置信息，确定出每个初始属性信息的异常概率值，将异常概率值高于预设异常概率值的至少一个目标初始属性信息，采用预设的异常属性信息确定方法，从至少一个目标初始属性信息中确定出至少一个参考属性信息，因此，通过概率值判别出异常性较高的目标初始属性信息，再从目标初始属性信息中确定出参考属性信息，从而能够一定程度上提升参考属性信息获取时的效率。
与上述实施例一致的，请参阅图4，图4为本申请实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，处理器、输入设备、输出设备和存储器相互连接，其中，存储器用于存储计算机程序，计算机程序包括程序指令，处理器被配置用于调用程序指令，上述程序包括用于执行以下步骤的指令；
获取初始建筑信息模型BIM的至少一个参考属性信息，参考属性信息为异常属性信息；
采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
基于目标属性信息对初始BIM进行修复，得到目标BIM。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
与上述一致的，请参阅图5，图5为本申请实施例提供了一种模型修复装置的结构示意图。如图5所示，模型修复装置包括获取单元501、确定单元502和修复单元503，其中，
获取单元501，用于获取初始建筑信息模型BIM的至少一个参考属性信息，参考属性信息为异常属性信息；
确定单元502，用于采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
修复单元503，用于基于目标属性信息对初始BIM进行修复，得到目标BIM。
可选的，参考属性信息包括业务属性信息，在采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，确定单元502用于：
提取与至少一个业务属性信息对应的预设业务属性信息；
将至少一个业务属性信息替换为对应的预设业务属性信息，得到与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
可选的，参考属性信息包括参考几何参数，目标属性信息包括目标几何参数，在采用预设的属性信息确定方法，确定出与至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，确定单元502用于：
提取与参考几何属性信息对应的参考几何参数；
对几何参数进行归类，得到至少一个几何参数类别；
获取与至少一个几何参数类别相对应的几何参数修正值；
采用几何参数修正值对至少一个几何参数类别中的参考几何参数进行修正，得到与参考几何参数对应的目标几何参数。
可选的，在获取与至少一个几何参数类别相对应的几何参数修正值方面，确定单元503用于：
确定与至少一个几何参数类别相对应的目标类别标识；
根据目标类别标识在数据库中查询，得到与至少一个几何参数类别相对应的预设参数范围；
提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，第一端点值小于第二端点值，目标几何参数类别为至少一个几何参数类别中的任一个；
根据第一端点值和第二端点值确定出目标数值，目标数值为第一端点值和第二端点值的平均值；
根据目标数值确定出目标几何参数类别中的几何参数的偏离度；
根据偏离度确定出与目标几何参数类别对应的几何参数修正值。
可选的，在获取初始BIM的至少一个参考属性信息方面，获取单元501用于：
获取初始BIM的多个初始属性信息，以及初始BIM对应的区域信息和位置信息；
根据区域信息和位置信息，确定与多个初始属性信息中的每个初始属性信息对应的异常概率值；
获取至少一个目标初始属性信息，目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从至少一个目标初始属性信息中确定出至少一个参考属性信息。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种模型修复方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种模型修复方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在申请明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种模型修复方法，其特征在于，所述方法包括：
获取初始建筑信息模型BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息；
采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM。
2.根据权利要求1所述的方法，其特征在于，所述参考属性信息包括业务属性信息，所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息，包括：
提取与所述至少一个业务属性信息对应的预设业务属性信息；
将所述预设业务属性信息作为目标属性信息，以得到所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
3.根据权利要求1所述的方法，其特征在于，所述参考属性信息包括参考几何参数，所述目标属性信息包括目标几何参数，所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息，包括：
提取与所述参考几何属性信息对应的参考几何参数；
对所述几何参数进行归类，得到至少一个几何参数类别；
获取与所述至少一个几何参数类别相对应的几何参数修正值；
采用所述几何参数修正值对所述至少一个几何参数类别中的参考几何参数进行修正，得到与所述参考几何参数对应的目标几何参数。
4.根据权利要求3所述的方法，其特征在于，所述获取与所述至少一个几何参数类别相对应的几何参数修正值，包括：
确定与所述至少一个几何参数类别相对应的目标类别标识；
根据所述目标类别标识在数据库中查询，得到与所述至少一个几何参数类别相对应的预设参数范围；
提取与目标几何参数类别相对应的预设参数范围的第一端点值和第二端点值，所述第一端点值小于所述第二端点值，所述目标几何参数类别为所述至少一个几何参数类别中的任一个；
根据所述第一端点值和所述第二端点值确定出目标数值，所述目标数值为所述第一端点值和所述第二端点值的平均值；
根据所述目标数值确定出所述目标几何参数类别中的几何参数的偏离度；
根据所述偏离度确定出与所述目标几何参数类别对应的几何参数修正值。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取初始BIM的至少一个参考属性信息，包括：
获取所述初始BIM的多个初始属性信息，以及所述初始BIM对应的区域信息和位置信息；
根据所述区域信息和所述位置信息，确定与所述多个初始属性信息中的每个初始属性信息对应的异常概率值；
获取至少一个目标初始属性信息，所述目标初始属性信息为异常概率值高于预设异常概率值的属性信息；
采用预设的异常属性确定方法，按照异常概率值从高到低的顺序，从所述至少一个目标初始属性信息中确定出至少一个参考属性信息。
6.一种模型修复装置，其特征在于，所述装置包括获取单元、确定单元和修复单元，其中，
所述获取单元，用于获取初始建筑信息模型BIM的至少一个参考属性信息，所述参考属性信息为异常属性信息；
所述确定单元，用于采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息；
所述修复单元，用于基于所述目标属性信息对所述初始BIM进行修复，得到目标BIM。
7.根据权利要求6所述的装置，其特征在于，所述参考属性信息包括业务属性信息，在所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，所述确定单元用于：
提取与所述至少一个业务属性信息对应的预设业务属性信息；
将所述至少一个业务属性信息替换为对应的预设业务属性信息，得到与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息。
8.根据权利要求6所述的装置，其特征在于，所述参考属性信息包括参考几何参数，所述目标属性信息包括目标几何参数，在所述采用预设的属性信息确定方法，确定出与所述至少一个参考属性信息中的每个参考属性信息对应的目标属性信息方面，所述确定单元用于：
提取与所述参考几何属性信息对应的参考几何参数；
对所述几何参数进行归类，得到至少一个几何参数类别；
获取与所述至少一个几何参数类别相对应的几何参数修正值；
采用所述几何参数修正值对所述至少一个几何参数类别中的参考几何参数进行修正，得到与所述参考几何参数对应的目标几何参数。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910581174.4A CN110414063A (zh) | 2019-06-29 | 2019-06-29 | 模型修复方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910581174.4A CN110414063A (zh) | 2019-06-29 | 2019-06-29 | 模型修复方法及相关产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110414063A true CN110414063A (zh) | 2019-11-05 |
Family
ID=68358551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910581174.4A Pending CN110414063A (zh) | 2019-06-29 | 2019-06-29 | 模型修复方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110414063A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783561A (zh) * | 2020-06-12 | 2020-10-16 | 万翼科技有限公司 | 审图结果修正方法、电子设备及相关产品 |
| CN115190226A (zh) * | 2022-05-31 | 2022-10-14 | 华为技术有限公司 | 参数调整的方法、训练神经网络模型的方法及相关装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937372A (zh) * | 2010-08-30 | 2011-01-05 | 北京数码大方科技有限公司 | 异常处理的方法及装置 |
| CN102708226A (zh) * | 2012-04-18 | 2012-10-03 | 中国水电顾问集团成都勘测设计研究院 | 基于工艺流的水利水电工程仿真建模方法 |
| CN108197254A (zh) * | 2017-12-29 | 2018-06-22 | 清华大学 | 一种基于近邻的数据修复方法 |
| CN109779791A (zh) * | 2019-03-24 | 2019-05-21 | 西安航天动力测控技术研究所 | 一种固体火箭发动机中异常数据智能诊断方法 |
| CN109918810A (zh) * | 2019-03-14 | 2019-06-21 | 吉林省交通规划设计院 | 基于bim技术对高速公路建设管理的方法及*** |
-
2019
- 2019-06-29 CN CN201910581174.4A patent/CN110414063A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101937372A (zh) * | 2010-08-30 | 2011-01-05 | 北京数码大方科技有限公司 | 异常处理的方法及装置 |
| CN102708226A (zh) * | 2012-04-18 | 2012-10-03 | 中国水电顾问集团成都勘测设计研究院 | 基于工艺流的水利水电工程仿真建模方法 |
| CN108197254A (zh) * | 2017-12-29 | 2018-06-22 | 清华大学 | 一种基于近邻的数据修复方法 |
| CN109918810A (zh) * | 2019-03-14 | 2019-06-21 | 吉林省交通规划设计院 | 基于bim技术对高速公路建设管理的方法及*** |
| CN109779791A (zh) * | 2019-03-24 | 2019-05-21 | 西安航天动力测控技术研究所 | 一种固体火箭发动机中异常数据智能诊断方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783561A (zh) * | 2020-06-12 | 2020-10-16 | 万翼科技有限公司 | 审图结果修正方法、电子设备及相关产品 |
| CN115190226A (zh) * | 2022-05-31 | 2022-10-14 | 华为技术有限公司 | 参数调整的方法、训练神经网络模型的方法及相关装置 |
| CN115190226B (zh) * | 2022-05-31 | 2024-04-16 | 华为技术有限公司 | 参数调整的方法、训练神经网络模型的方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109949046B (zh) | 风险团伙的识别方法和装置 | |
| CN110383274B (zh) | 识别设备的方法、装置、***、存储介质、处理器和终端 | |
| CN108416590A (zh) | 一种基于局部图像的区块链技术认证方法 | |
| CN105893042A (zh) | 一种基于区块链的智能合约的实现方法 | |
| CN111178408B (zh) | 基于联邦随机森林学习的健康监护模型构建方法、*** | |
| CN110633650A (zh) | 基于隐私保护的卷积神经网络人脸识别方法及装置 | |
| CN110610144B (zh) | 隐私保护的表情识别方法及*** | |
| CN112116008B (zh) | 基于智能决策的目标检测模型的处理方法、及其相关设备 | |
| CN110660020B (zh) | 一种基于融合互信息的对抗生成网络的图像超分辨率方法 | |
| CN110414063A (zh) | 模型修复方法及相关产品 | |
| CN103886235B (zh) | 一种正面人脸图像生物密钥生成方法 | |
| CN107169425A (zh) | 一种商品属性的识别方法及装置 | |
| CN114898285B (zh) | 一种生产行为数字孪生模型的构建方法 | |
| CN110489574A (zh) | 一种多媒体信息推荐方法、装置和相关设备 | |
| Zhou et al. | Blind digital watermarking algorithm against projection transformation for vector geographic data | |
| CN115482340A (zh) | 三维场景建模方法、装置、计算机设备和存储介质 | |
| CN117094412B (zh) | 针对非独立同分布医疗场景下的联邦学习方法和装置 | |
| CN103324894B (zh) | 一种复合防伪文档生成方法及*** | |
| CN104142978B (zh) | 一种基于多特征和稀疏表示的图像检索***及方法 | |
| CN109857895A (zh) | 基于多环路视图卷积神经网络的立体视觉检索方法与*** | |
| CN107424220A (zh) | 建筑物中三维单体户室表达体及其生产方法和应用*** | |
| CN115455457B (zh) | 基于智慧大数据的链数据管理方法、***和存储介质 | |
| CN109992700A (zh) | 获取关系网络图中节点的嵌入向量的方法和装置 | |
| CN104317913B (zh) | 属性组合的筛选方法和属性组合的筛选装置 | |
| CN110414792A (zh) | 基于bim和大数据的部品集采管理***及相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230626 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518051 Applicant after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant before: WANYI TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |